一种犯罪识别与预测方法

摘要

本发明提供一种犯罪识别与预测方法，该方法采用数据挖掘中数据预处理方法，针对犯罪信息诸如日期、街道地址、犯罪警区、星期、犯罪类别、犯罪说明、判刑处理等进行重构属性、特征提取、特征选择、挖掘出犯罪信息之间的关联性、产生最大化差异的特征因子及其与犯罪结果即犯罪类型之间的关联；然后构建融合了高斯朴素贝叶斯、神经网络、Logistic回归、正则回归、K近邻、随机森林、支持向量机、XGBoost学算法的模型，得到基于加权投票分类器突出分类及聚类效果良好的元分类器进而对重构后数据进行分析处理识别及预测出城市未来的犯罪情况、绘制出城市个性犯罪图谱，进而达到促进和规范城市治安及管理的效果。

主权项

一种犯罪识别与预测方法，其特征在于，包括以下步骤：S1：对犯罪大数据进行样本平衡；S2：对进行样本平衡的样本进行数据预处理；S3：对预处理后的数据进行属性重构；S4：构建融合元分类器，并输入经属性重构后的数据得到识别和预测结果。